一. 池化简介
平均池化：将图片按照固定大小网格分割，网格内的像素值取网格内所有像素的平均值。
池化：使用均等大小的网格将图片分割，并求网格内代表值的过程。
池化是卷积神经网络（convolutional neural network）中非常重要的处理方式，能够有效地降低图像的维度。
平均池化定义：
二. 将输入图像用4*4网格做平均池化
import cv2 import numpy as np # average pooling def average_pooling(img, G=4): out = img.copy() H, W, C = img.shape Nh = int(H / G) Nw = int(W / G) for y in range(Nh): for x in range(Nw): for c in range(C): out[G*y:G*(y+1), G*x:G*(x+1), c] = np.mean(out[G*y:G*(y+1), G*x:G*(x+1), c]).astype(np.int) return out # Read image img = cv2.imread("../paojie.jpg") # Average Pooling out = average_pooling(img) # Save result cv2.imwrite("out.jpg", out) cv2.imshow("result", out) cv2.waitKey(0) cv2.destroyAllWindows()
三. 输出结果
四. 深度学习中的平均池化操作，以pytorch库为例
import cv2 import numpy as np import torch import torch.nn as nn img = cv2.imread(‘../paojie.jpg‘,0) #读入灰度图像 img = np.array(img,dtype=‘float32‘) img = torch.from_numpy(img.reshape(1,1,img.shape[0],img.shape[1])) # 将灰度图像转换为tensor avgPool = nn.AvgPool2d(4) #4*4的窗口，步长为4的平均池化 img = avgPool(img) img = torch.squeeze(img) #去掉1的维度 img = img.numpy().astype(‘uint8‘) #转换格式，准备输出 cv2.imwrite("out.jpg", img) cv2.imshow("result", img) cv2.waitKey(0) cv2.destroyAllWindows()
五. pytorch中的平均池化输出结果( AvgPool2d() 函数 )
可以看到，pytorch中 AvgPool2d 函数，平均池化后降低了图像的维度。
六. 参考内容
https://www.jianshu.com/p/4a673069bc03
原文：https://www.cnblogs.com/wojianxin/p/12496509.html